| 論文名稱 | 多模組深度學習模型應用於城市道路車流速率預測 |
| 學位 | 碩士 |
| 年別 | 111 |
| 學校系所 | 國立交通大學 運輸與物流管理學系 |
| 作者 | 楊子賢 |
| 指導教授 | 王晉元 |
| 論文摘要 | 用路人穿梭於城市都會區中，適當的交通管理措施與路徑規劃是避免交通壅塞與節省旅行時間的有效措施。要做到精確的管理與規劃首要目標是能對交通狀態能做預 測。 本研究利用高雄市交通局提供之車輛偵測器資料進行研究，提出多模組的深度學習預測模型。本研究提出之預測模型包含多個預測模組，模型在預測時除考量歷史交通外，亦將不同時空環境背景納入考量。研究中以集群分析法區別不同環境下的交通狀態，再分別對不同環境交通狀態訓練對應的預測模組，使模型預測時能根據時空環境差異以有 適當的參數組合去捕捉重要的時空間特徵，以及校估各特徵間對應關係，以求準確將特徵轉換為預測結果。 經實證研究結果顯示，本研究提出之多模組預測模型，預測未來六小時內各時間段車流速率，可較未考慮時空環境狀態的單一模組 預測模型有效的提升預測準確度。 |
| 附件下載 | (電子檔於116-01-28後開放下載) |
| 張貼日 | 2022/12/12 |
查看次數:
109